大部分TensorFlow教材应用案例少，理论讲解比较概括，学生数学基础薄弱，对人工神经网络较难入门。本教材介绍TensorFlow的发展和特点后，通过案例详细介绍TensorFlow的使用，着重细致地讲解学生学习中遇到的难点，比如张量的形状、卷积、池化、交叉熵等。通过案例让学生逐层递进地掌握TensorFlow，最后将模型移植到安卓移动终端，随时随地感受人工智能的魅力。

周倩：1996-2000 河南师范大学计算机科学系 本科学习2000-2006 河南科技学院计算机科学系 本科生教学2006-2008 北京邮电大学计算机科学系 研究生学习2008-至今 河南省济源职业技术学院 信息工程系 高职教学

第1章 初识TensorFlow
1.1 场景导入 2
1.2 人工智能的发展历程 3
1.2.1 早期人工智能阶段 4
1.2.2 机器学习阶段 4
1.2.3 深度学习阶段 5
1.3 TensorFlow简介 6
1.4 Anaconda的安装和使用 7
1.4.1 安装Anaconda 7
1.4.2 使用Anaconda 13
1.5 在Windows 10系统中安装PyCharm 15
1.6 在Windows系统中安装TensorFlow CPU版 20
1.6.1 创建和激活环境 20
1.6.2 解决错误 23
1.7 在PyCharm中使用Anaconda的环境 24
1.7.1 新建和配置项目 24
1.7.2 再次查看项目配置 27
1.7.3 运行案例代码 28
1.8 在Windows系统中安装Python版OpenCV 29
1.8.1 激活环境并安装OpenCV 29
1.8.2 PyCharm配置 30
1.8.3 OpenCV代码测试 31
第2章 深入了解TensorFlow
2.1 认识TensorFlow数据流图 34
2.1.1 数据流图简介 34
2.1.2 实现数据流图 35
2.1.3 数据流图代码解析 35
2.2 TensorBoard的使用 37
2.2.1 TensorBoard的启动 37
2.2.2 TensorBoard界面介绍 40
2.3 TensorFlow张量思维 42
2.3.1 什么是张量 42
2.3.2 用Numpy定义张量 43
2.3.3 张量的形状 44
2.4 TensorFlow中张量的几种形式 47
2.4.1 常量 47
2.4.2 变量 48
2.4.3 占位符 51
第3章 机器学习入门
3.1 机器学习的基本步骤 54
3.2 泰坦尼克号案例 55
3.2.1 泰坦尼克号事件 55
3.2.2 泰坦尼克号案例数据集 56
3.2.3 训练数据集预处理 58
3.2.4 测试数据集预处理 60
3.2.5 搭建神经网络 60
3.2.6 进行训练 62
3.2.7 进行预测并可视化 62
3.3 MNIST手写数字识别案例 64
3.3.1 数据集简介 64
3.3.2 加载MNIST数据集 65
3.3.3 构建网络模型 66
3.3.4 训练模型 68
3.3.5 测试模型 68
3.3.6 矩阵乘法和加法规则 70
3.4 机器学习相关概念详解 72
3.4.1 线性回归模型 73
3.4.2 激活函数 73
3.4.3 交叉熵 75
3.4.4 梯度下降法 77
第4章 深度学习之图像分类
4.1 卷积神经网络 80
4.1.1 卷积神经网络简介 80
4.1.2 卷积 81
4.2 卷积神经网络的基本结构 86
4.2.1 卷积层 87
4.2.2 大池化层 93
4.3 树叶识别案例 95
4.3.1 样本集简介 95
4.3.2 卷积层 96
4.3.3 池化层 98
4.3.4 全连接层 100
4.3.5 正则化 103
4.3.6 其他部分的代码 106
第5章 TensorFlow Lite
5.1 概述 115
5.2 如何使用TensorFlow Lite 116
5.2.1 使用步骤 116
5.2.2 模型格式 117
5.2.3 模型格式转换 117
5.2.4 模型格式转换完整代码 118
5.3 树叶识别案例 119
5.3.1 功能和界面设计 119
5.3.2 Android Studio配置 121
5.3.3 调用模型 123
5.3.4 使用模型 124
5.3.5 添加交互功能 125
5.4 “你画我猜”案例 127
5.4.1 功能和界面设计 127
5.4.2 添加模型并配置项目 129
5.4.3 调用模型 130
5.4.4 使用模型 131
5.4.5 其他部分的代码 131
第6章 TensorFlow的树莓派应用
6.1 嵌入式人工智能 138
6.1.1 概述 138
6.1.2 树莓派简介 138
6.2 树莓派准备工作 139
6.2.1 安装操作系统 139
6.2.2 配置网络 145
6.2.3 安装VNC Viewer 145
6.2.4 安装TensorFlow 147
6.2.5 安装OpenCV 148
6.2.6 连接摄像头 151
6.2.7 安装tqdm库 154
6.3 基于树莓派的人脸识别案例 155
6.3.1 MTCNN人脸识别模型 155
6.3.2 下载并运行人脸识别程序 157
第7章 Keras案例
7.1 Keras简介 161
7.2 基于Keras的Fashion-MNIST案例 162
7.2.1 Fashion-MNIST数据集简介 162
7.2.2 下载和加载Fashion-MNIST数据集 164
7.2.3 搭建网络 165
7.2.4 编译、训练和评估模型 167